Big Data - Dữ liệu lớn - Use cases

Các ứng dụng của Dữ liệu lớn (Big Data Use Cases)

Trong bài viết mở đầu series - Big Data - Dữ liệu lớn - Introduction, mọi người đã biết dữ liệu chính là “mỏ vàng mới” của các doanh nghiệp, trong bài này, chúng ta sẽ xem Big Data được sử dụng như thế nào trong các lĩnh vực khác nhau thông qua các use case phổ biến trong các ngành khác nhau như viễn thông, tài chính ngân hàng, y tế, bán lẻ, sản xuất, …

  1. Viễn thông (Telecomunications): một trong số những ngành có lượng dữ liệu khổng lồ từ người dùng dịch vụ, với sự bùng nổ của smartphone trong những năm gần đây. Các ứng dụng Big Data trong viễn thông có thể kể đến như:
  • Tối ưu mạng lưới (Optimize Network Capacity): bằng việc phân tích lưu lượng sử dụng từ hàng tỷ cuộc gọi, tin nhắn, sử dụng dữ liệu mỗi ngày các nhà mạng có thể xác định các khu vực, vị trí có dung lượng vượt mức và định tuyến lại băng thông khi cần thiết nhằm đảm bảo chất lượng dịch vụ, tăng mức độ hài lòng của khách hàng. Ngoài ra, việc phân tích dữ liệu còn có thể giúp nhà mạng lập kế hoạch đầu tư cơ sở hạ tầng phù hợp nhất với nhu cầu của khách hàng, giảm chi phí đầu tư cho nhà mạng.

  • Dự đoán thuê bao có khả năng rời bỏ dịch vụ (Telecom Customer Churn): với sự hỗ trợ của các công nghệ Big Data, các nhà mạng có thể phân tích dữ liệu về chất lượng dịch vụ (cuộc gọi nghe có rõ ràng không, người dùng xem video trên mạng di động có bị giật không, ….), sự tiện lợi của dịch vụ, mức độ tiêu dùng của khách hàng dành cho viễn thông, … để dự đoán mức độ hài lòng của khách hàng. Khi mức độ hài lòng của khách hàng thấp dẫn có khả năng dẫn đến việc rời bỏ dịch vụ trong tương lai, các nhà mạng có thể chủ động thực hiện các chiến dịch chăm sóc khách hàng một cách chủ động để lấy lại mức độ hài lòng của khách hàng.

  • Khuyến nghị sản phẩm mới (New Product Offerings): tương tự như 2 use case trên, các nhà mạng có thể dựa trên sở thích, hành vi của khách hàng để xây dựng thiết kế các sản phẩm có các đặc tính phù hợp với mối quan tâm của từng lớp khách hàng. Xây dựng các mô hình dự đoán để có thể cung cấp cho khách hàng đúng cái họ cần vào đúng thời điểm trên đúng kênh họ mong muốn (right customer, right product, right time, right channel)

  1. Dịch vụ tài chính, ngân hàng (Financial Services): có thể khối lượng dữ liệu của các tổ chức tài chính, ngân hàng không thực sự lớn như dữ liệu viễn thông tuy nhiên dữ liệu của các tổ chức tài chính lại có chất lượng tốt và có mức độ tin tưởng cao hơn (chữ V thứ 5 trong đặc tính 6Vs của Big Data – Veracity):
  • Phát hiện gian lận (Fault Detection): bằng việc sử dụng Big Data, các công ty/ tổ chức tài chính có thể xác định được các mẫu (pattern) biểu thị hành vi gian lận trong giao dịch tài chính từ đó áp dụng các biện pháp cần thiết để chống lại các hành vi gian lận này.

  • Quản lý rủi ro (Risk Management): là một trong số các yếu tố vô cùng quan trọng đối với các tổ chức tài chính, ngân hàng, hệ thống quản lý rủi ro dựa trên Big Data để phát hiện rủi ro, gian lận tiềm ẩn trong thời gian thực sẽ giúp các tổ chức tài chính, ngân hàng không phải chịu tổn thất về doanh thu. UOB một ngân hàng của Singapore đã sử dụng các công nghệ Big Data trong hệ thống quản lý rủi ro để giảm thời gian tính toán rủi ro từ 20 giờ xuống vài phút, điều này giúp cho các quyết định của UOB mang lại lợi nhuận rất cao và giảm thiểu tổn thất.

  1. Y tế, chăm sóc sức khỏe (Healthcare): cùng với viễn thông, y tế và chăm sóc sức khỏe là lĩnh vực có nguồn dữ liệu khổng lồ. Sử dụng Big Data, các tổ chức y tế và chăm sóc sức khỏe đã có thể dự đoán được các xu hướng bệnh, phát hiện sớm các biểu hiện các bệnh hiểm nghèo cũng như cung cấp cho bệnh nhân các dịch vụ y tế và chăm sóc sức khỏe tốt hơn:
  • Nghiên cứu gen (Genomic Research): Big Data đóng một vai trò rất quan trọng trong nghiên cứu bộ gen. Thông qua sử dụng lượng dữ liệu khổng lồ từ các nguồn khác nhau, các nhà nghiên cứu có thể xác định được các gen bệnh cũng như các dấu hiệu lâm sàng để giúp bệnh nhân xác định được chính xác các vấn đề sức khỏe mà họ có thể gặp phải trong tương lai. Các kết quả dự đoán này có thể cho phép các tổ chức y tế và chăm sóc sức khỏe thiết kế phương pháp điều trị sớm cho cá nhân.

  • Dự đoán số lượng bệnh nhân (Patients Predictions): bằng cách thu thập dữ liệu đầy đủ dữ liệu quá khứ thông qua các công nghệ Big Data, các tổ chức y tế và chăm sóc sức khỏe có thể dự báo được số lượng bệnh nhân có thể có trong tương lai thông qua các kỹ thuật “time series analysis”. Việc dự đoán chính xác số lượng bệnh nhân có thể giúp các tổ chức quy hoạch cơ sở hạ tầng, cung ứng thuốc, vật tư, đội ngũ y bác sỹ phù hợp với từng địa bàn trong từng thời điểm, nhằm tối ưu chi phí đầu tư.

  • Tăng mức độ hài lòng của bệnh nhân (Patient Experience): tương tự như các ngành kinh doanh lấy khách hàng làm trọng tâm (Customer Centric), các tổ chức y tế và chăm sóc sức khỏe cũng có thể sử dụng Big Data để cung cấp các cách điều trị tốt hơn và cải thiện chất lượng chăm sóc bệnh nhân mà không làm tăng chi phí thông qua những hệ thống như Patient 360 để cung cấp một cái nhìn đa chiều của từng bệnh nhân.

Không chỉ có 3 use cases ở trên, Big data thực sự đã len lỏi đến khắp mọi ngóc ngách của cuộc sống, trên đây mới chỉ giới thiệu các use cases có tầm ảnh hưởng lớn với human :). Về cách implement Big Data trong Retail Industry em sẽ dành riêng một bài viết sau. Thank you mn vì đã đọc

4 Likes

Gom chỗ khái niệm này lại là có đồ chơi cho insignts nè @anon57695697

2 Likes

Thank you @anon19898721, bài viết mang tính tổng hợp nội dung rất súc tích và dễ hiểu cho người mới tiếp cận Big Data.

2 Likes

a sang bổ sung cho phần use case của Retail Industry e tag đi :))

Tác giải viết đang hay thế thì viết nốt đi =))

1 Like

=)) kiểu hát phải có dàn đồng ca mới hứng khởi, hát solo mãi rát họng lắm

1 Like

@anon19898721 Gọi dàn đồng ca là @anon67481427 @alex và đội học Retail của chuyên gia Bình vào cùng mổ xẻ các insights BI của khách nhà mình ạ

1 Like